在假设检验中，如果得到一个很小的p-值（比如小于5%)，则（)。

A.越显著

B.越不显著

C.越真实

D.越不真实

利用401KSUBS.RAW中size=1的一个子集; 这就将分析仅限于单身者。(见计算机习题第4章第8题。)

(i)样本中最年轻的人多少岁？这个年龄的有多少人？

(ii)在模型中，β₂的字面解释是什么？它本身有什么意义吗？

(iii)估计第(ii)部分中的模型，并以标准形式报告结果。你关心age的系数为负吗？请解释。

(iv)由于样本中最年轻者为25岁，若认为给定收入水平下，25岁时净总金融资产的平均量最低，这有意义吗？记得age对nettfa的偏效应为β₂+2β₃age，所以在25岁时的偏效应为β₂+2β₂(25)=β₂+50β₃称之为θ₂。求并得到检验H₀：θ₂=0的双侧P值。你应该得到θ₂很小且在统计上也不显著的结论。

A.有差异，可能

B.有差异，不可能

C.无差异，可能

D.无差异，不可能

利用PNTSPRD.RAW中的数据。

(i)变量favwin是一个二值变量，在拉斯维加斯所押的球队胜出了预定的分数差时取值1。估计所押球队获胜概率的线性概率模型为

如果分数差包括了所有相关的信息，那我们预期β₀=0.5。请解释。

(ii)用OLS估计第(i)部分的模型。相对于双侧备择假设检验H₀:β₀=0.5。同时使用通常的标准误和异方差一稳健的标准误。

(iii)spread在统计上显著吗？当spread=10时，被押球队获胜的估计概率是多少？

(iv)现在对P(favwin=Ilspread)估计一个概率单位模型。解释和检验截距项为0的虚拟假设。[提示：注意Φ(0)=0.5。]

(v)利用概率单位模型估计当spread=10时被押球队获胜的概率。并与第(iii)部分的LPM估计值相比较。

(vi)在概率单位模型中增加变量fuvhome、fav25和und25，并用似然比检验来检验这些变量的联合显著性。(x²分布中的自由度是多少？)解释这个结果，注意分数差是否包括了赛前可观测到的全部信息这个问题。

r)。考虑教材(11.29)中模型的一个简单扩展：

它允许生产力增长率的提高对工资增长率既有当期的影响又有滞后的影响。

(i)利用EARNS.RAW中的数据估计这个方程，并用标准形式报告结果。goutphr的滞后值统计显著吗？

(ii)如果β₁+β₂=1，生产力增长率的一个永久性提高会在一年后完全反映到更高的工资增长率上。相对于双侧备择假设检验H₀:β₁+β₂=1。

(iii)模型中需要goutphr_t-2吗？说明理由。

A.与其他类型的罪犯相比，职务犯罪者往往有较高的文化水平

B.对贪污、受贿的刑事打击，并没能有效地扼制腐败，有些地方的腐败反而愈演愈烈

C.刑满释放人员很难再得到官职

D.职务犯罪的罪犯在整个服刑犯中只占很小的比例

A.在0.10的显著性水平下必定也是显著的

B.在0.01的显著性水平下不一定具有显著性

C.原假设为真时拒绝原假设的概率为0.05

D.检验的p值大于0.05